Kokonaiskuormitusta on mahdollista optimoida taitoluistelussa dataperustaisesti – sillä saattaa olla loukkaantumisilta suojaava vaikutus

16.05.2023

Opinnäytetyön tuloksena kehitettiin maksuton dataperustainen kuormituksen optimointiin tarkoitettu työkalu, joka toimii Googlen verkkoympäristössä. Työkalu oli kolmen taitoluisteluseuran käytössä marraskusta 2022 helmikuuhun 2023.

Seurojen valmentajat kokevat nuorten taitoluistelijoiden kuormituksen hallinnan tarpeellisena ja kehitetyn työkalun yhtenä mahdollisena ratkaisuna, joskin sen integroituminen päivittäiskäyttöön saattaa kestää usean kauden ajan. Työkalulla mahdollistetaan harjoittelukuormituksen, harjoittelun monotonian ja rasittuneisuuden sekä akuutin ja kroonisen kuorman suhteen seuranta ja suunnittelu datan pohjalta jopa 13 viikoksi eteenpäin. 

Dataperustainen kokonaiskuormituksen optimointi nuorten taitoluistelussa -opinnäytetyön keskeisiä teemoja ovat kuorman määrittäminen, kuormituksen suunnittelu ja seuranta, kuormitustekijöiden selvittäminen sekä rasitusperäisten loukkaantumisten ennaltaehkäisy taitoluistelussa.

Kuorman määrittäminen sisäisten subjektiivisten ominaisuuksien perusteella

Kuormituksen hallinnalla urheilussa tavoitellaan suorituskyvyn parantumista ja loukkaantumisriskin alentumista. Harjoittelukuorma (engl. training load, TL) määritellään session rating of perceived exertion (session RPE) -metodilla mitattuna yhden harjoittelusession intensiteetin ja volyymin eli rasittavuuden kokemuksen ja keston tulona. TL-arvojen keskiarvoa ja keskihajontaa viikon ajalta sekä viikon harjoittelukuormitusta käytetään harjoittelun monotonian ja rasittuneisuuden johtamiseksi. (Foster 1998, 1164; Comyns & Flanagan 2013, 79; Gabbett 2020, 876.)

Session RPE-metodi luokitellaan sisäiseksi subjektiiviseksi mittariksi, jolloin urheilijan kokemus harjoittelusessioista edustaa kokonaisvaltaisesti kaikkien fysiologisten stressitekijöiden ja kognitiivisten prosessien vaikutusta edeltävään ulkoiseen stimulukseen (Soligard ym. 2016, 1032; Coyne ym. 2018, 3–4). Mitatut arvot antavat täten viitteitä urheilijan kokonaiskuormituksesta.

Dataperustainen suunnittelu- ja seurantatyökalu

Opinnäytetyön tuloksena kehitetty dataperustainen työkalu toimii Googlen verkkoympäristössä, tuottaa ja tallentaa reaaliaikaista dataa ja hyödyntää Sheets-taulukkolaskentaohjelmaa vaadittaviin funktioihin ja laskutoimitusten suorittamiseksi.

Valmentajien näkymän sisältämät Google Sheets -välilehdet

  • Valmentajavälilehti taitoluistelijoiden kuormituksen tarkasteluun yksilöllisesti sekä ryhmätasolla
  • Luistelijakohtaiset välilehdet jokaisen taitoluistelijan kuormituksen ja harjoittelumäärien tarkasteluun yksilöllisesti
  • Suunnitteluvälilehti tarkoituksenmukaisten harjoittelukuormien annostelemiseksi visuaalisesti

Työkalu laskee taitoluistelijoiden harjoittelukuormat automaattisesti harjoittelusessioiden jälkeen matkapuhelimella raportoidun intensiteetin ja volyymin perusteella sekä tuottaa monotonian ja rasittuneisuuden arvot valmentajien näkymän välilehdille. Lisäksi työkalu tuottaa akuutin ja kroonisen harjoittelukuorman suhteen edellisen neljän viikon kuormituksen liukuvan keskiarvon ja kuluvan viikon kuormituksen osamäärästä (Bourdon ym. 2017, 165).

Valmentajien näkymän sisältämä suunnitteluvälilehti mahdollistaa muun muassa harjoittelun mikrosyklin kuorman, monotonian ja rasittuneisuuden sekä enintään 13 viikon kuormituksen ja sen suhteiden suunnittelemisen ja tarkastelun visuaalisesti.

Kuva excelin välilehdestä, jossa useita taulukoita ja kuvioita
Valmentajanäkymän suunnitteluvälilehti.

Taitoluisteluseurojen valmennustiimeissä tunnistetaan kehitetyn työkalun potentiaali taitoluistelijoiden kuormituksen hallinnan, suorituskyvyn kehittämistavoitteiden sekä rasitusperäisten loukkaantumisten ehkäisemisen suhteen. Valmentajien näkymän datan tulkinta osoittaa, että harjoittelun tuntimäärä viikossa, harjoittelukuorma, monotonia ja rasittuneisuus sekä kuorman suhteet antavat lisäarvoa kuormituksen optimointiin ja harjoittelun mukauttamiseen tarvittaessa, esimerkiksi kun luvut indikoivat kuormituksen olevan liiallista. Tällöin valmennuksen on mahdollista yksilöllisesti selvittää, johtuuko kuormitus itse harjoitteluun liittyvistä tekijöistä vai mahdollisesti muista kokonaiskuormitukseen vaikuttavista tekijöistä. Erityisesti toivotaan, että työkalun tuottama data avustaa mahdollisten rasitusperäisten loukkaantumisten varhaisessa interventiossa.

Rasitusperäisiin loukkaantumisiin johtavien tekijöiden selvittäminen

Loukkaantumisten ilmaantuvuutta ja vallitsevuutta taitoluistelussa on tutkittu, mutta tulosten vertailu on haasteellista aineistonkeruun menetelmien variaation ja usein käytettyjen retrospektiivisten tutkimusasetelmien takia. Rasitusperäisten loukkaantumisten määrät ovat kuitenkin kasvaneet, ja ne kattavat noin 50 prosenttia kaikista loukkaantumisista taitoluistelussa. (Han 2018, 536; Naylor & Naylor 2021, 1–2.)

Loukkaantumisriskiin tiedetään vaikuttavan useat eri tekijät ulkoisen harjoittelustimuluksen ohella, esimerkiksi erityisesti naisten kohdalla alhaiseen energiansaatavuuteen liittyvät fysiologiset ongelmat ovat yhteydessä kuukautiskierron häiriöihin sekä heikentyneeseen luuterveyteen ja kasvattavat rasitusperäisten murtumien riskiä (Mountjoy ym. 2018, 689–690; Andrade ym. 2020, 1613). Taitoluistelun lajivaatimukset ovat olleet kasvussa ainakin 2000-luvun alusta lähtien, minkä arvellaan osaltaan vaikuttavan rasitusperäisten loukkaantumisten määrien kasvuun (Rauer ym. 2022, 4–7).

Negatiivisten terveysseuraamusten kertoimet alhaisen ja riittävän energiansaatavuuden ryhmissä (Ackerman ym. 2019, 631).

Kun kuormitusta pyritään optimoimaan, olisikin oleellista käsittää, mitkä tekijät voivat vaikuttaa taitoluistelijan kokemukseen harjoittelusession rasittavuudesta eli mitä tekijöitä Session RPE-metodin arvojen voidaan ajatella edustavan edeltävän harjoittelusession lisäksi. Kokonaiskuormituksen malli taitoluistelussa on yksi kehittämistyön tuloksista. Malli osoittaa teoriaan nojaten tekijöitä, jotka voivat vaikuttaa taitoluistelijoiden kokonaiskuormitukseen ja loukkaantumisten ilmenemiseen.

Kehittämistyössä on lisäksi pyritty selvittämään tilastollisia menetelmiä käyttäen, ovatko kokonaiskuormitusta edustaviksi tekijöiksi valitut muuttujat yhtäaikaisessa yhteydessä Session RPE:n rasittuneisuuden arvoon sekä sitä, vaikuttaako suhteellisen energiavajeen riski muiden kokonaiskuormituksen tekijöiden esiintymiseen taitoluistelijoilla.

Kokonaiskuormituksen malli ja tekijät taitoluistelussa.

Tilastollista tutkimusta voidaan hyödyntää kokonaiskuormituksen tekijöiden selvittämiseksi taitoluistelussa

Alhaiseen energiansaatavuuteen liittyvät fysiologiset ongelmat, ikä, loukkaantumishistoria, ajantasaiset terveysongelmat ja syömisasenteet eivät olleet tilastollisesti merkitsevässä yhteydessä rasittuneisuuden kanssa, eivätkä selitä rasittuneisuuden arvon muodostumista tässä otoksessa. Lineaarisen regressioanalyysin tuloksen perusteella ei kuitenkaan ole mielekästä lähteä muuttamaan kokonaiskuormituksen mallia taitoluistelussa, vaan pitäytyä taustateorian osoittamissa tekijöissä, joskaan tekijöitä ei ole syytä rajata mallissa osoitettuihin. Analyysiin käytettävän aineiston laadun ollessa heikko, ei voida varmuudella kieltää muuttujien vaikutusta rasittuneisuuteen, eikä toisaalta yleistää tulosta tai pitää sitä luotettavana tässäkään otoksessa.

Mann-Whitney U-testillä tutkittiin suhteellisen energiavajeen riskin perusteella jaettujen ryhmien välisten erojen merkitsevyyttä. Analyysin perusteella riski ei aiheuttanut taitoluistelijoista koostettujen ryhmien välille merkitseviä eroja viikoittaisen harjoittelun tuntimäärän, rasittuneisuuden, iän, syömisasenteiden tai terveysongelmien suhteen.

Tulokseen on suhtauduttava varauksella aineiston laadun vuoksi. Taitoluistelijoiden vastausaktiivisuus kuormituksen seurantaan kahden ja puolen kuukauden aikana oli aineistonkeruun suhteen liian hajanaista, kun volyymi ja subjektiivinen arvio intensiteetistä olisi pitänyt raportoida jokaisen harjoittelusession päätteeksi. Lisäksi ajantasaisten terveysongelmien raportointi jokaisen harjoitteluviikon päätteeksi unohtui. Näin ollen tilastollisissa analyyseissä muuttujina käytettävät rasittuneisuuden arvot, viikoittaiset harjoittelun tuntimäärät ja ajantasaiset terveysongelmat olivat vääristyneitä.

Analyysin toistaminen paremmalla aineistolla ja kenties laajemmalla otoksella antaisi uutta tietoa kokonaiskuormituksen tekijöistä ja suhteellisen energiavajeen riskin merkityksestä taitoluistelussa sekä siitä, mitä kokonaiskuormituksen tekijöitä sRPE:stä johdetun rasittuneisuuden voidaan olettaa ilmentävän ulkoisen kuorman lisäksi.

Dataperustaisella työkalulla pysyvyyttä taitoluistelijoiden kuormituksen informaatiovirtaan

Kehitetyn dataperustaisen työkalun käyttö vaatii taitoluistelun valmennustiimeiltä ymmärrystä kuormituksen muodostumisen yksilöllisyydestä. Työkalu mahdollistaa harjoittelukuormituksen suunnittelun ja seurannan pitkällä aikavälillä, mutta datan tulkinta on todellisessa kokonaiskuormituksen optimoinnissa ensiaskel.

Työkalun tuottama data luo informaatioperustan, johon valmennustiimit ja ammattilaiset voivat pohjata kuormituksen optimointiin liittyvien päätösten suunnan. Nämä päätökset, olivatpa kyseessä harjoittelukuormituksen mukauttaminen tai muun kokonaiskuormituksen tekijän lähempi tarkastelu, on tehtävä yksilöllisesti. Dataperustainen työkalu mahdollistaa informaation kertymisen yhteen paikkaan, datan pysyvyyden sekä kuormituksen suunnittelun visualisoinnin.

Työkalun integroituminen taitoluisteluseurojen käyttöön ei ole ongelmatonta. Se vaatii käyttäjältään aikaa datan tulkinnan opetteluun. Lisäksi taitoluistelijoiden on raportoitava kokemuksensa harjoittelukerrasta jokaisen harjoittelukerran jälkeen, jotta valmennuksella on realistinen käsitys harjoittelukuormituksesta ja -määrästä, rasittuneisuudesta sekä akuutin ja kroonisen kuorman suhteesta.

Opinnäytetyöhön osallistuvien seurojen valmentajia on opastettu työkalun käytössä ja apua jatketaan kauden 2023–2024 ajan. Lisäksi työkalua muokataan seurojen ja lajin tarpeita paremmin vastaaviksi, esimerkiksi ajantasaisten terveysongelmien kyselyn ja suhteellisen energiavajeen riskin seulonnan sisällyttämisellä työkaluun.

Lähteet:

Ackerman, K.; Holtzman, B.; Cooper, K. M.; Flynn, E.F.; Bruinvels, G.; Tenforde, A.S.; Popp, K.L.; Simpkin, A.J. & Parziale, A.L. 2019. Low energy availability surrogates correlate with health and performance consequences of Relative Energy Deficiency in Sport. British Journal of Sports Medicine. Vol. 53, No. 10, 628–633.

Andrade, R.; Halvorsen Wik, E.; Rebelo-Marques, A.; Blanch, P.; Whiteley, R. & Gabbett, T.J. 2020. Is the Acute: Chronic Workload Ratio (ACWR) Associated with Risk of Time-Loss Injury in Professional Team Sports? A Systematic Review of Methodology, Variables and Injury Risk in Practical Situations. Vol. 50, No. 9, 1613–1635.

Bourdon, P.C.; Cardinale, M.; Murray, A.; Gastin, P.; Kellmann, M.; Varley, M.C.; Gabbett, T.J.; Coutts, A.J.; Burgess, D.J.; Gregson, W. & Cable, N.T. 2017. Monitoring Athlete Training Loads: Consensus Statement. International Journal of Sports and Performance. Vol. 12, Suppl 2, 161–170.

Comyns, T. & Flanagan, E.P. 2013. Applications of the session rating of perceived exertion system in professional Rugby union. Strength and Conditioning Journal. Vol. 35, No. 6, 78–85.

Coyne, J.; Haff, G.; Coutts, A.; Newton, R. & Nimphius, S. 2018. The Current State of Subjective Training Load Monitoring – a Practical Perspective and Call to Action. Sports Medicine. Vol. 4, No. 1, 1–10.

Foster, C.1998. Monitoring training in athletes with reference to overtraining syndrome. Medicine & Science in Sports & Exercise. Vol. 30, No. 7, 1164–1168.

Gabbett, T. J. 2020. The Training-Performance Puzzle: How Can the Past Inform the Future Training Directions? Journal of Athletic Training. Vol. 55, No. 9, 874–884.

Han, J.S.; Geminiani, E.T. & Micheli, L.J. 2018. Epidemiology of Figure Skating Injuries: A Review of the Literature. Sports Health. Vol. 10, No. 6, 532–537.

Mountjoy, M.; Sundgot-Borgen, J. K.; Burke, L.; Ackerman, K.; Blauwet, C.; Constantini, N.; Lebrun, C.; Lundy, B.; Melin, A. K.; Meyer, N.; Sherman, R.; Tenforde, A.; Torstveit, M. & Budgett, R. 2018. IOC consensus statement on relative energy deficiency in sport (RED-S): 2018 update. British Journal of Sports Medicine. Vol. 52, No. 11, 687–697.

Naylor, T.A. & Naylor, S. 2021. Distribution and risk factors for stress fractures in competitive figure skaters and association with acute fractures. The Physician and Sportsmedicine 2021. Viitattu 23.3.2022. https://doi.org/10.1080/00913847.2021.1981748

Rauer, T.; Pape, H.; Knobe, M.; Pohlemann, T. & Ganse, B. 2022. Figure skating: Increasing number of revolutions in jumps at the European and World Championships. PloS one. Vol. 17, No. 11, 1–10.

Soligard, T.; Schwellnus, M.; Alonso, J-M.; Bahr, R.; Clarsen, B.; Dijkstra, H.P.; Gabbett, T.; Gleeson, M.; Hägglund, M.; Hutchinson, M.R.; van Rensburg, C.J.; Khan, K.M.; Meeusen, R.; Orchard, J.W.; Pluim, B.M.; Raftery, M.; Budgett, R. & Engebretsen, L. 2016. How much is too much? (Part 1) International Olympic Committee consensus statement on load in sport and risk of injury. British Journal of Sports Medicine. Vol. 50, 1030–1041.